피드로 돌아가기
The RegisterInfrastructure
원문 읽기
AI-Native 네트워크 통합을 통한 Cell Throughput 20% 향상 및 전력 38% 절감
ZTE showcases at GSMA M360 LATAM 2026, driving future business model restructuring - AI & network two-way integration
AI 요약
Context
기존 통신 사업자의 단순 Connectivity 제공 모델로 인한 성장 정체 및 높은 운영 비용 발생. 네트워크 계층과 AI 기능의 분리로 인해 실시간 최적화 및 자원 효율성 확보에 한계 노출.
Technical Solution
- AI-Native network 설계를 통한 AI 기능을 모든 네트워크 계층 및 프로세스에 직접 내재화
- 5G BBU 내 native intelligent computing 역량을 통합하여 하드웨어 및 소프트웨어 자원 효율 최적화
- Super-N 고성능 전력 증폭기와 AI 지능형 최적화 기술의 결합을 통한 에너지 소비 제어
- AIR Net 솔루션을 통한 네트워크 "Autonomous Driving" 구현으로 O&M 모델의 구조적 혁신
- TM Forum L4 레벨 인증 기반의 Co-Claw 지능형 에이전트 도입을 통한 네트워크 자동화 수준 제고
- 시나리오별 최적화 솔루션(Qcell, RuralPilot) 적용을 통한 지역별 인프라 제약 사항 해소
Impact
- Cell Throughput 20% 증가
- 장비 에너지 소비량 38% 감소
- 라틴아메리카 지역 내 AAU 및 RRU 37,000대 이상 배포를 통한 연간 수백만 달러의 전력 비용 절감
Key Takeaway
인프라 계층에 AI를 단순 결합하는 수준을 넘어, 아키텍처 설계 단계부터 AI 역량을 내재화한 AI-Native 접근법이 하드웨어 한계를 극복하고 운영 효율을 극대화하는 핵심 전략임.
실천 포인트
- 인프라 최적화 시 단순 소프트웨어 제어가 아닌 하드웨어 특성(전력 증폭기 등)과 AI 모델의 밀접한 결합 검토 - 네트워크 자동화 수준을 정량적으로 정의하기 위해 TM Forum과 같은 글로벌 표준 프레임워크 기반의 L-level 인증 지표 활용 - 광범위한 배포 환경의 효율을 위해 통합 솔루션과 시나리오별 특화 솔루션(Indoor/Rural)의 하이브리드 전략 수립